免费工具 转化率怎么计算:转化率计算器与 A/B 显著性检验
输入访客数和转化数,得到转化率和置信区间。再填一组数据就能对比两个版本,看看差异是不是噪音。
- 转化率与 95% 置信区间
- A/B 双比例 z 检验
- 本地运行
填入访客与转化
两组用同一口径:同样的访客定义(人,不是浏览量)和同样的转化事件。
A 组
对照组转化率
21.2%
±1.6 pp · 95% 置信区间
B 组
实验组 · 可选转化率
24.0%
±1.7 pp · 95% 置信区间
A 对比 B
双比例 z 检验,合并方差,双尾。p < 0.05 视为显著。
检验假设每个访客只计一次,且两组是随机分配的。它不回答这个提升对业务是否重要。
分享这组输入:数值写在链接的 # 后面,不会发到服务器。
https://tapcub.com/zh/tools/conversion-rate
版本 v2.0更新于 更新记录
新换成新的工具页,并和样本量、P 值、实验时长、SRM 检查等工具互通。
每个数字在告诉你什么
只填一组,得到转化率和它的区间。再填一组,对比面板就回答「差异是不是真的」。
转化率
那个大数字是这组的转化数 ÷ 访客数。要和它下面的区间一起看,别单看——20 个访客算出的 21% 和 20,000 个访客算出的 21%,不是同一个结论。
± 置信区间
真实转化率极可能落在这条带子里。A、B 两组的带子如果重叠,提示差异可能是噪音;真正下结论的是 z 检验。
绝对提升 vs 相对提升
绝对提升用百分点(21% → 24% 是 +3 pp)。相对提升是相对基线换算(+14%)。标题爱引用相对数;算预算要用绝对数。
结论那一行
绿色表示 z 检验过了 p < 0.05:这么大的差异不太可能是偶然。黄色表示还不行——继续积累,或者承认暂时分不出这两个版本。
统计显著不等于业务显著。一个真实但极小的提升,可能仍然抵不上为它做的改动。
输入数字前先定三件事
算术是瞬间的事,把输入定义对才是功夫。
-
1
谁算访客
有机会转化的独立访客——不是浏览量,建议先剔除机器人。示例里是 2,400 个看过商品的人,而不是全站 48,213 个访客。
-
2
什么算转化
一个事件,每个访客只算一次:一笔支付、一次表单提交、一次完成注册。示例用的是 508 笔支付订单。
-
3
时间窗口保持一致
两组覆盖同样的日期。周末跑的实验组和工作日跑的对照组没有可比性。
比率、区间与检验
只看比率看不出它基于多少人。置信区间把样本量放回来,z 检验则回答两个区间是否真的不同。
- 转化率 = 转化数 ÷ 访客数
- 区间宽度随样本量的平方根缩小——流量翻四倍,宽度减半
- z 检验把两组合并,估计「没有差异」假设下的方差
- p < 0.05 表示这么大的差异靠运气出现的概率不到二十分之一
转化率
p = 转化数 ÷ 访客数
示例:508 ÷ 2,400 = 21.2%
95% 置信区间(Wald)
p ± 1.96 × √( p (1 − p) ÷ n )
示例:21.2% ± 1.6 pp → 19.5% 到 22.8%
双比例 z 检验
z = (p₂ − p₁) ÷ √( p̄ (1 − p̄) (1/n₁ + 1/n₂) ), p̄ = (x₁ + x₂) ÷ (n₁ + n₂)
示例:z = 2.34,p = 0.020 → 在 5% 水平上显著
转化率怎么计算:用默认数据手算一遍
默认数据:A 组 2,400 个访客里 508 人转化,B 组 2,380 人里 571 人转化。最后一列就是上面计算器显示的结果。
| 步骤 | 算式 | 结果 |
|---|---|---|
| A 组转化率 | 508 ÷ 2,400 × 100% | 21.2% |
| B 组转化率 | 571 ÷ 2,380 × 100% | 24.0% |
| 绝对提升 | 23.99% − 21.17% | +2.8 个百分点 |
| 相对提升 | (23.99% − 21.17%) ÷ 21.17% | +13.3% |
| 合并转化率 p̄ | (508 + 571) ÷ (2,400 + 2,380) | 22.57% |
| 标准误 | √( 0.2257 × 0.7743 × (1/2,400 + 1/2,380) ) | 0.01209 |
| z 值和 P 值 | z = 0.02825 ÷ 0.01209,双尾 | z = 2.34,P = 0.020 |
中间步骤保留足够位数,最后再四舍五入,否则 z 值第二位小数可能对不上。P = 0.020 小于 0.05,B 组的提升在 5% 水平上显著。
转化率是怎么算错的
大多数关于转化率的争论,其实是关于分母的争论。
用浏览量做分母
一个人刷新五次就变成五次转化机会。要数访客,不是浏览量。
机器人没有剔除
爬虫永远不会转化。留在分母里会拉低比率,让活动看起来比实际差。
实验提前停止
每天看一眼、第一次 p < 0.05 就停,会大幅增加假阳性。先定好样本量或时长。
时间窗口不同
促销周的比率对比平常周的比率,衡量的是促销,不是你做的改动。
每一步、每个人群、随时间的转化率
TapCub 漏斗按固定时间窗口计算每两步之间的转化,可按渠道、设备或人群拆分,并告诉你那 46% 是在哪一步流失的。
转化率怎么计算?转化率计算公式是什么?
转化率 = 转化数 ÷ 访客数 × 100%。2,400 个访客里 508 人下单,转化率 = 508 ÷ 2,400 = 21.2%。电商常说的成交转化率 = 成交(支付)人数 ÷ 访客数 × 100%,加购转化率 = 加购人数 ÷ 访客数 × 100%,只是分子换成不同的行为。分母用访客(人)或会话要前后一致,不要用浏览量;同一个人转化多次只算一次。
A/B 测试结果怎么判断是否显著?
填两组的访客数和转化数,计算器做合并方差的双比例 z 检验(双尾):z = (p₂ − p₁) ÷ √(p̄(1 − p̄)(1/n₁ + 1/n₂))。P 值小于 0.05,就说明差异在 5% 水平上显著。默认数据 z = 2.34、P = 0.020,B 组胜出。
需要多少访客?
取决于基线转化率和你想检测的提升幅度。在 20% 的基线上检测 10% 的相对提升(20% → 22%),按 5% 显著性、80% 功效,每组约需 6,510 个访客;提升越小,需要的访客越多。可以用A/B 测试样本量计算器按你的数字算。
「不显著」是什么意思?
观察到的差异有可能是偶然。它不代表两个版本一样,只代表你还没有证明它们不同。
为什么和我的统计工具算的不一样?
通常是分母:会话还是访客、机器人有没有剔除、转化事件是否每人只算一次。先对齐定义再比较。
结果一显著就能停止测试吗?
不能。z 检验的前提是只看一次结果,而且样本量事先定好。每天看一眼、第一次出现 p < 0.05 就停,误判的概率会远高于 5%。先定样本量,跑到这个量,再看结论。